Devi Yana Armanto
191106041378
Seperti yang kita ketahui bersama bahwa Indonesia merupakan salah satu
penghasil minyak sawit terbesar di dunia dengan luasan tutupan lahan kelapa sawit
sebesar 16,38 juta hektar.
Industri sawit masih tetap menjadi andalan kinerja neraca perdagangan Nasional.
Hal ini tergambar dari kontribusinya yang mencapai 13,50% terhadap ekspor
nonmigas dan menyumbang 3,50% terhadap PDB Indonesia.
Perkebunan sawit di Indonesia dengan lahan yang sangat luas merupakan sumber
pendapatan negara yang potensial, namun proses perhitungan pohon sawit menjadi
tantangan tersendiri jika dilakukan secara manual, sehingga membutuhkan waktu yang
cukup lama. oleh karena itu diperlukan solusi agar proses perhitungan pohon sawit
dapat dilakukan secara efisien namun tetap akurat dengan menggunakan metode
Convolutional Neural Network dengan YOLO lahan sawit dapat di deteksi secara
otomatis dari foto udara. Sampel yang dideteksi berupa foto udara yang diambil
menggunakan drone di lahan perkebunan pohon kelapa sawit yang berlokasi di
Kecamatan Padang Ratu. Hasil penelitian menunjukan bahwa dari beberapa sampel
yang telah diuji menunjukan hasil yang cukup baik. Pada sampel 4 didapatkan hasil
perhitungan otomatis sebanyak 50 pohon kelapa sawit dengan referensi sebanyak 56
pohon kelapa sawit, serta memiliki nilai kesalahan komisi 0, nilai kesalahan omisi 0,95
dan akurasi 0,95. Dari semua sampel keseluruhan akurasi yakni sebesar 0,88

Kata kunci : Perhitungan Pohon Kelapa Sawit, Convolutional Neural Network, Deep Learning, YOLO.